・・・以下の計算は、実際の数字を利用した計算上の話です・・・
3月20日時点で感染者数が1000人を超える。
モデルには地域性、人口密度、年齢などは含まれていない。
（14日前の感染者数を求める方法）
3月20日1000人を初期値に、再生産数、感染に関わる率、接触抑制率、市中陽性比（架空の パラメータ）をもとに14日前の感染者数を求める。（逆算）
3月20日以降は、
感染者数＝前日までの感染者数＋１４日前の感染者数（推定値）
で計算
与えたパラメータと前提条件
・感染者数 2020年3月20日 1000人（初期値に設定）
・潜伏期間 14日間（再生産数1.7で市中感染）、14日後に全員入院（入院隔離後、院内感染は想定せず）
・10人のうち2人が感染に関わる（8人は感染に関わらない）
・再生産数 1.7
・入院14日間で99%退院
・死亡者数 y=2.2287*x + 9.8738 (xは3月10日からの日数)
4月6日、4月1日に都市封鎖（ロックダウン）開始 の2案（接触抑制 0.2）を検討
結果
・グレー：感染者数（実数）
・オレンジ： (A) ロックダウンなし
・黄： (B) ロックダウン（4月1日開始、接触抑制0.2）
・青： (C) ロックダウン（4月6日開始、接触抑制0.2）
・水色： 入院患者数(Cの場合) （ただし、死亡者数、退院患者数は4月4日までの実数を利用）
感染者数は、4月4日の時点でモデル予測値（3243人）と実数（3191人）の差が52人。
感染者数モデル予測値は、都市封鎖しない場合5月8日で46695人
4月6日に都市封鎖した場合、感染者数は15227人（33%に抑制）
もし4月1日に都市封鎖していると、感染者数は11154人（24%に抑制）
あくまで予測モデルの計算上の値です。
3月20日時点で感染者数が1000人を超える。
モデルには地域性、人口密度、年齢などは含まれていない。
（14日前の感染者数を求める方法）
3月20日1000人を初期値に、再生産数、感染に関わる率、接触抑制率、市中陽性比（架空の パラメータ）をもとに14日前の感染者数を求める。（逆算）
3月20日以降は、
感染者数＝前日までの感染者数＋１４日前の感染者数（推定値）
で計算
与えたパラメータと前提条件
・感染者数 2020年3月20日 1000人（初期値に設定）
・潜伏期間 14日間（再生産数1.7で市中感染）、14日後に全員入院（入院隔離後、院内感染は想定せず）
・10人のうち2人が感染に関わる（8人は感染に関わらない）
・再生産数 1.7
・入院14日間で99%退院
・死亡者数 y=2.2287*x + 9.8738 (xは3月10日からの日数)
4月6日、4月1日に都市封鎖（ロックダウン）開始 の2案（接触抑制 0.2）を検討
結果
・グレー：感染者数（実数）
・オレンジ： (A) ロックダウンなし
・黄： (B) ロックダウン（4月1日開始、接触抑制0.2）
・青： (C) ロックダウン（4月6日開始、接触抑制0.2）
・水色： 入院患者数(Cの場合) （ただし、死亡者数、退院患者数は4月4日までの実数を利用）
感染者数は、4月4日の時点でモデル予測値（3243人）と実数（3191人）の差が52人。
感染者数モデル予測値は、都市封鎖しない場合5月8日で46695人
4月6日に都市封鎖した場合、感染者数は15227人（33%に抑制）
もし4月1日に都市封鎖していると、感染者数は11154人（24%に抑制）
あくまで予測モデルの計算上の値です。